跳到正文
#开源/仓库
今天11月5日周四7 条
  5. Preferred Networks：AI 研究与产品61

    PFN 开放翻译特化模型 PLaMo 3 Translate，0.8B 至 31B 四个尺寸可离线运行

    Preferred Networks 将自家翻译服务使用的翻译特化 LLM PLaMo 3 Translate 以开放权重形式在 Hugging Face 公开，提供 0.8B、2B、8B、31B 四个尺寸。

    推荐理由：翻译特化模型以开放权重放出四个尺寸，小型机型也能在断网设备上本地运行，可据此评估端侧翻译部署方案。

11月4日周三
  3. Rohan Paul62

    Anthropic 开源 FlashProve，基于密码学方法让服务器用数学证明某个回复确实来自指定模型，且不泄露模型权重，可用于防止聊天劫持和安全评测验证。

    引用Anthropic@AnthropicAI

    New Anthropic research: progress on provable inference for large language models. Here, we introduce FlashProve. Building on established cryptographic techniques, FlashProve allows developers to verify whether a given response came from a given AI model. It’s substantially more efficient than prior open-source methods for doing so. These proofs have a range of applications. They can, for instance, make it harder for attackers to hijack a chat, or enable safety evaluators to verify that the model they’re testing is the same one being served to customers. For our full write-up, see here: https://www.anthropic.com/research/provable-inference Further progress in provable inference will likely be an important part of improving trust in AI deployment. To that end, we're open-sourcing FlashProve’s code, here: https://github.com/anthropics/FlashProve We’re grateful to our collaborators: Alessandro Chiesa, @GiacomoFenzi, @gwberg95, @miranda__christ, Rahul Dalal (http://rdalal.github.io) and Ben Mayer (@transmissions11).

11月3日周二
  2. Mistral AI70

    Mistral 团队成员 Pierre Stock 宣布 ML4（Mistral Large 4）正式开放权重，称其在代码智能体与网络安全方向具备前沿能力，且比三周前的 Preview 版本更高效、更紧凑。技术报告讲述其研发过程：https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/assets/technical_report.pdf，Mistral AI 官方转发并称可在 alphaxiv 上阅读这一研发故事（https://www.alphaxiv.org/abs/2611.mistral-large-4）。

    引用Pierre Stock@PierreStock

    ML4 现已开放权重！在代码智能体与网络安全方面具备前沿能力，比三周前的预览版高效、紧凑得多（！），锦上添花的是：技术报告讲述了它的史诗级幕后故事。来看看：https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/assets/technical_report.pdf

    推荐理由：原文给出模型权重开放入口与技术报告链接，读者可以据此了解模型在代码智能体与安全方向的能力定位。

11月2日周一
11月1日周日
  1. Recode China AI43

    长鑫存储推进 HBM3E、宇树季度营收增长 70%，及中国股市下滑

    长鑫存储（CXMT）已向国内芯片设计公司送出 HBM3E 样品，计划两个月内有限量产，但良率仅 20–30%。宇树第三季度营收增长 69.9% 至 6.65 亿元，净利润下降 17.4%，研发支出增长约 250%。月之暗面发布 Kimi K3.1 Pro，支持 100 万 token 上下文窗口，完整权重承诺 11 月 4 日开放。

10月31日周六
10月30日周五
  2. Unsloth AI60

    Unsloth 发布 DeepSeek-V4.1-Flash-1017 的 Dynamic V3.1 GGUF 量化版，称其在 GPQA Diamond、AIME25、LiveCodeBench v6、MMLU-Pro、Aider 等基准上领先同类量化版本。模型需 64GB 以上内存运行，GGUF 已上架 Hugging Face，并附部署博客。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

  4. 蚂蚁 inclusionAI：HuggingFace 新模型40

    inclusionAI 发布 ZwZ2-27B GGUF 量化权重

    inclusionAI 在 HuggingFace 发布 ZwZ2-27B 的 GGUF 格式权重，属于 Zooming without Zooming v2。模型拆分为语言模型与视觉编码器/投影器（mmproj）两部分，各提供 FP16、Q8_0、Q4_K_M 三档精度，可混搭组合。使用需较新的 llama.cpp 构建并支持 Qwen3.5 多模态。

  5. IT之家·人工智能53

    百度开源文心 Unlimited OCR 2 文档解析模型，支持“无限”页数

    百度于本月 27 日发布并开源文心 Unlimited OCR 2 文档解析模型，将解析上限从数十页推向“无限”，可一次性解析累计超 3,600 页的《哈利·波特》全系列 7 部作品。该模型原生支持版面要素切分识别，具备跨页文案合并和表格识别合并能力；在 MPDocBench 得 84.6 分、MarathonDocBench 得 77.1 分，均实现端到端 SOTA。

10月29日周四
  1. Arthur Mensch65

    Mistral 发布新改进版 Le Chonk 的开放权重，主打智能体编码与网络安全方向。该模型在 Cognition 的 FrontierCode 上排名开源模型第一，并在 Artificial Analysis 上创下 Pareto 效率新基准；网络防御能力经 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试，权重可在 Hugging Face 下载，支持用 Mistral Forge 定制并自行部署。

    引用Mistral AI@MistralAI

    今天，我们发布了全新改进版 Le Chonk 的权重，推进智能体编程与网络安全领域的开放前沿。 💻 为构建而生：Le Chonk 在 @cognition 的 FrontierCode 上于开放模型中排名第一，并在 @artificialanalysis 上树立了帕累托效率的新基准。 🛡 为防御而生：网络防御领域的顶尖水平，已通过全球领先网络安全厂商的检验，包括 @CrowdStrike、@cloudflare、@rubrik、@zscaler 等。 为主权而构建：让它成为你的。在 @huggingface 上下载权重，使用 Mistral Forge 进行定制，并部署到你需要的任何地方。 阅读我们团队和客户的更多内容 👇：

    同一件事，精选收录的是《Mistral Large 4（Le Chonk）登陆 Hugging Face：1T 参数 MoE 多模态开源权重模型》

  2. IT之家·人工智能62

    DiffuSpace 开源 Clover-35B-A3B-Preview 扩散语言模型

    人工智能实验室 DiffuSpace（扩散智能）发布 Clover 系列首个成员 Clover-35B-A3B-Preview，以 Apache 许可开源。该模型采用 MoE 架构，通过多轮迭代实现从模糊到具体的全局思维，在多项基准测试中性能超过同规模自回归模型 Qwen3.6-35B-A3B，尤其擅长智能体编程与工具使用任务，同时保持更快生成速度。

10月28日周三
  3. 公众号：面壁智能66

    面壁智能发布并开源 MiniCPM-OCR 系列：1.3B 解析模型与 2B 判别模型

    面壁智能发布并开源 MiniCPM-OCR 系列。MiniCPM-OCR 1.0（1.3B）在 Real5-OmniDocBench 取得 93.68 分、OCRBench v2 取得 54.7 分的 SOTA，经 DSpark 加速后吞吐达 1.217 页/秒，端到端效率提升 55%。

    推荐理由：原文给出双 SOTA 得分、吞吐实测与免检比例数据，并首次引入独立的解析结果判别模型，可用于评估文档解析落地方案。

  5. OpenBMB54

    面壁智能 OpenBMB 转评 @wikiwayne 对 MiniCPM-OCR 的评测，感谢其透明对比并分享了结果与注意事项，表示期待该模型在 GX10 上的本地测试表现，称这类真实反馈会推动模型持续改进。引用内容提到 MiniCPM-OCR 1.0 为开源 13 亿参数 OCR 模型，与评估结果可靠性的 MiniCPM-OCR Jev 配套，权重已开放于 GitHub 和 Hugging Face。

    引用Guillermo Casaus@_guillecasaus

    Acaban de lanzar un modelo OCR open-source de solo 1.300 millones de parámetros. Se llama MiniCPM-OCR 1.0 y viene acompañado de MiniCPM-OCR Jev, otro modelo que evalúa la fiabilidad de los resultados. Ambos desarrollados por OpenBMB y ModelBest. Entre ambos permiten: → Extraer texto, tablas y fórmulas de documentos → Procesar PDFs y páginas escaneadas o fotografiadas → Trabajar con documentos inclinados o curvados → Incluir una puntuación de confianza en los resultados para facilitar su revisión manual → Ejecutarse con vLLM, SGLang y Ollama MiniCPM-OCR 1.0 ha conseguido 93,68 puntos en Real5-OmniDocBench, según sus benchmarks oficiales. Pero lo más interesante es Jev. En lugar de corregir los errores automáticamente, evalúa la fiabilidad de los resultados extraídos e incluye una puntuación de confianza para facilitar su revisión. Además, MiniCPM-OCR 1.0 incorpora KIE (Key Information Extraction), una funcionalidad para extraer información clave de los documentos. Y sí, los pesos de ambos modelos son abiertos. 🔗 GitHub: https://github.com/OpenBMB/MiniCPM-OCR 🤗 Hugging Face: https://huggingface.co/openbmb/MiniCPM-OCR-1.0 Más recursos y demo en el primer comentario 👇